Search research articles

お問い合わせ

関連する概念動画

Model Approaches for Pharmacokinetic Data: Physiological Models

Model Approaches for Pharmacokinetic Data: Physiological Models

Physiological models in pharmacokinetics are instrumental in understanding the distribution and elimination of drugs within the body. These models describe the drug concentration within target organs, influenced by factors such as drug uptake, tissue volume, and blood flow. Drug uptake is governed by the partition coefficient, which signifies the drug concentration ratio in tissue to that in the blood. The blood flow rate to a specific tissue is expressed as Qt, and the rate of change in tissue...

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え

Same author

Analysis of In-Vivo Dose Measurement of Urethra Using Array MOSFET Detectors and TPS-Calculated Dose in High-Dose-Rate Interstitial Brachytherapy in Gynaecological Malignancies.

Asian Pacific journal of cancer prevention : APJCP·2026

関連記事をすべて見る

JoVEについて

概要リーダーシップブログ JoVEヘルプセンター

著者向け

出版プロセス編集委員会範囲と方針査読よくある質問投稿

図書館員向け

推薦の声購読アクセスリソース図書館諮問委員会よくある質問

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments アーカイブ

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教員リソースセンター教員サイト

プライバシーポリシー

Search research articles

関連する実験動画

Updated: Feb 24, 2026

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

臨床的に解釈可能な機械学習モデルで,簡単なBEVベースのメトリックを使用して心臓の平均用量を予測します.

Sathiyaraj Palanivel¹

¹Department of Radiation Physics, Kidwai Memorial Institute of Oncology, Bengaluru, Karnataka 560029, India.

Medical dosimetry : official journal of the American Association of Medical Dosimetrists

|February 22, 2026

まとめ

この要約は機械生成です。

機械学習は,シンプルなビームの目視 (BEV) メトリックを使用して,乳がん放射線療法における平均心臓用量 (MHD) を正確に予測します. これにより,放射線によって引き起こされる心臓の毒性を減らすために,心臓を節約するテクニックを早期に選択することができます.

キーワード:

ビームの目から眺める.乳房放射線療法乳房放射線療法ジオメトリック予測器線形回帰の線形回帰とはロジスティック回帰の回帰法心臓の平均用量について

さらに関連する動画

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

Expedited Radiation Biodosimetry by Automated Dicentric Chromosome Identification ADCI and Dose Estimation

Expedited Radiation Biodosimetry by Automated Dicentric Chromosome Identification ADCI and Dose Estimation

Published on: September 4, 2017

関連する実験動画

Last Updated: Feb 24, 2026

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

Expedited Radiation Biodosimetry by Automated Dicentric Chromosome Identification ADCI and Dose Estimation

Expedited Radiation Biodosimetry by Automated Dicentric Chromosome Identification ADCI and Dose Estimation

Published on: September 4, 2017

科学分野:

放射線腫瘍学放射線腫瘍学
医学物理医学物理学
医療における機械学習

背景:

放射線によって引き起こされる心臓の毒性は,左側乳がん放射線療法における重要な懸念事項である.
平均心臓用量 (MHD) は,長期的な心疾患の重要な予測指標である.
MHDの正確な予測は,心臓を節約する戦略を実装するために不可欠です.

研究の目的:

MHDを予測するための臨床的に解釈可能な機械学習モデルを開発する.
MHD予測のためのシンプルビーム・オブ・アイ・ビュー (BEV) ベースの心臓投影メトリクスを利用する.
治療前の迅速な評価と放射線療法技術の選択を可能にするために.

主な方法:

左乳房/胸壁の放射線治療を施した127人の患者の遡及的分析.
タンゲンシャルフィールドからの心臓の投影 (水平および垂直) の測定.
クロス検証を用いた多変量線形回帰およびロジスティック回帰モデルの開発.

主要な成果:

線形回帰モデルは強力な予測性能 (R2=0.69,RMSE=0.61 Gy) と有意な相関関係 (r=0.83,p<0.001) を示した.
独立した検証により,予測の精度がさらに向上しました (R2=0.76,r=0.90,p<0.001).
ロジスティック分類器は,用量ベースの技術選択で88%の精度と高い差別性 (AUC=0.95) を達成しました.

結論:

シンプルなBEVベースの心臓投影メトリックは,左側乳がん放射線療法におけるMHDを確実に予測することができます.
開発された機械学習モデルは,前処理評価のための実用的なツールを提供します.
このアプローチは,心臓を節約する放射線療法の早期選択をサポートし,潜在的に心臓疾患を減らすことができます.